| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题研究背景 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 属性推断 | 第12-14页 |
| 1.2.2 链接预测 | 第14页 |
| 1.2.3 联合解决属性推断与链接预测 | 第14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.3.1 缺乏标注数据下的属性推断 | 第14-15页 |
| 1.3.2 利用社团信息联合解决属性推断与链接预测 | 第15页 |
| 1.4 文章结构 | 第15-17页 |
| 第二章 相关概念介绍 | 第17-22页 |
| 2.1 本章简介 | 第17页 |
| 2.2 社团紧密度衡量标准Conductance | 第17-18页 |
| 2.3 随机游走模型 | 第18-20页 |
| 2.3.1 随机游走模型RW | 第18-19页 |
| 2.3.2 带重启的随机游走模型RWR | 第19页 |
| 2.3.3 有监督的随机游走模型SRW | 第19-20页 |
| 2.4 自我中心网络EN | 第20页 |
| 2.5 自我减自我网络EME | 第20页 |
| 2.6 社会属性网络SAN | 第20-21页 |
| 2.7 本章小结 | 第21-22页 |
| 第三章 严重缺乏标注数据条件下的属性推断 | 第22-36页 |
| 3.1 本章简介 | 第22页 |
| 3.2 问题定义 | 第22-23页 |
| 3.3 算法设计与描述 | 第23-28页 |
| 3.3.1 基本思想 | 第24页 |
| 3.3.2 扩充标注数据 | 第24-25页 |
| 3.3.3 推断缺失属性 | 第25-26页 |
| 3.3.4 优化函数及其解 | 第26-28页 |
| 3.4 实验 | 第28-35页 |
| 3.4.1 实验数据 | 第28-30页 |
| 3.4.2 对比方法 | 第30页 |
| 3.4.3 实验结果 | 第30-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 利用社团信息联合解决属性推断与链接预测问题 | 第36-55页 |
| 4.1 本章简介 | 第36页 |
| 4.2 问题定义 | 第36-37页 |
| 4.3 基本思路 | 第37页 |
| 4.3.1 利用社团结构联系链接与属性 | 第37页 |
| 4.3.2 算法基本框架 | 第37页 |
| 4.4 具体方法 | 第37-46页 |
| 4.4.1 社团探测 | 第37-38页 |
| 4.4.2 链接预测 | 第38-39页 |
| 4.4.3 属性推断 | 第39-43页 |
| 4.4.4 属性推断与链接预测迭代提高框架 | 第43-46页 |
| 4.5 实验 | 第46-53页 |
| 4.5.1 实验数据 | 第46-47页 |
| 4.5.2 对比方法 | 第47-48页 |
| 4.5.3 实验结果 | 第48-53页 |
| 4.6 本章小结 | 第53-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 5.1 全文工作总结 | 第55页 |
| 5.2 展望未来 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 攻读学位期间发表的学术论文目录 | 第61页 |